基于骨架的连续尺度帕金森步行分数估计使用万维自我注意力卷积网络.

科学领域:

• 生物医学工程 生物医学工程
• 神经学 神经学
• 计算机科学 计算机科学

背景情况:

• 步行异常是帕金森病 (PD) 的关键运动症状之一.
• 目前使用骨架数据估计运动障碍学会统一帕金森病评分表 (MDS-UPDRS) 评分的方法经常简化预测到分类,缺少微妙的变化.
• 现有的方法可能会忽视临床见解和局部步态特征,影响治疗规划的表现和持续评估.

研究的目的:

• 从使用骨架数据的离散MDS-UPDRS注释中开发一种用于连续尺度步行障碍估计的新框架.
• 提高在帕金森病中步态评估的准确性和临床实用性.
• 通过精确,持续监测步态变化,使治疗更好地进行调整.

主要方法:

• 将非欧几里德骨架数据转换为欧几里德时空特征图,以保存结构.
• 利用一个万维的注意力卷积网络来提取局部的时空步态特征.
• 使用自适应通道功能融合模块集成的功能,并建议使用MDS-UPDRS用于连续估计的得分预测策略.

主要成果:

• 拟议的框架成功地在连续规模上估计了步行障碍.
• 该方法有效地捕捉了随着时间的推移而发生的微妙,渐进的步态变化.
• 对大型临床PD步行骨数据集的验证证明了该方法的有效性.

结论:

• 新的框架提供了对帕金森病步行障碍的更细致和持续的评估.
• 这种方法克服了离散分类方法的局限性,并提高了临床适用性.
• 持续估计有助于制定更明智的治疗策略和患者管理.